第 29 卷 第4 期 研究与发展管理 Vol. 29 No.

2017 年 8 月 Ｒ＆D MANAGEMENT Aug． 2017

文章编号： 1004-8308（ 2017） 04-0065-08

DOI:10.13581/j.cnki.rdm.2017.04.005

大数据治理的概念及其参考架构
1，2
郑大庆 ，黄丽华3 ，张成洪3 ，张绍华4
（ 1． 上海财经大学 信息管理与工程学院，上海 200433； 2． 复旦大学 计算机科学与技术学院，上海 200433；
3． 复旦大学 管理学院，上海 200433； 4． 上海市计算机技术开发中心，上海 201112）

摘 要： 大数据中蕴含着巨大的社会和经济价值，在实现这些价值的过程中大数据治理扮演重要角色． 首先从
大数据治理目标、权力层次、对象及范围、解决的实际问题 4 个维度，阐述了大数据治理概念的内涵，并由此明
确了大数据治理的概念； 进一步分析大数据治理内部要素和外部应用特征，构建了大数据治理参考模型． 大数
据治理的 3 个关键域分别是决策机制、激励与约束机制、监督机制，揭示了大数据治理关注的核心问题； 大数据
治理的 3 个外部应用特征是大数据生命周期、利益相关者、流通方式，揭示了大数据治理的主要场景特性，大数
据治理的参考架构综合了大数据治理的内部要素和外部应用特征，从而为研究和分析大数据治理构建了一个
相对完整的逻辑框架，有助于业界和学者更加全面、客观地分析和解决大数据治理领域的问题．
关键词： 大数据； 大数据资源； 大数据治理； 关键域； 生命周期； 利益相关者
中图分类号： F203 文献标识码： A

大数据资源是以容量大、类型多、存取速度快、潜在应用价值高为主要特征的数据集合． 伴随着社交
媒体、工业互联网、视频、图片和用户产生内容（ user-generated content，UGC） 等应用所不断涌现的海量数
据，社会各个领域开始了量化进程，这一进程的核心是如何更好地利用大数据产生效益． 在大数据时代，
拥有数据规模和应用数据能力成为企业之间竞争的关键 ； 有效利用大数据资源也成为国家竞争力的重要
［1-2］
影响因素 ． 但是，大数据资源是一把双刃剑，既存在巨大价值，又蕴含着巨大风险． 大数据应用必须追
求风险与价值的平衡，这正是大数据治理所蕴含的理念． 2017 年 1 月，北京知识产权法院终审认定脉脉
非法抓取使用新浪微博用户信息的行为构成不正当竞争 ． 脉脉是基于人脉的职场社交 APP，通过网络爬
虫非法获取新浪微博用户头像、名称、职业和教育等信息，并直接显示在其软件上． 脉脉既没有明确与新
浪微博的权责关系，也没有建立相应的治理体系，并忽略了相应的风险，导致与曾经的合作伙伴对簿公
堂． 败诉结果也表明脉脉的经营模式存在巨大风险 ． 由此管窥一斑，从大数据资源中持续获取价值应追求
风险和收益的均衡，这需要建立相应的治理体系，实现相关利益主体之间的权利、责任和利益相互制衡．
正如《经济学人》早在 2005 年所指出的“董事会应该像关注公司其他运行风险一样关注信息技术运行风
［3］
险，现在也许是时候筹备一个数据保护委员会了 ” ． 当前，对于大数据治理领域的了解非常有限： 大数
据治理的概念内涵是什么？ 大数据治理体系包含哪些主要方面？ 大数据治理面临哪些新挑战？ 本研究
企望在这些方面进行初步的探索 ．

1 大数据治理的概念
1. 1 治理内涵的演变及解析
治理（ governance） 最早源于拉丁文中的“掌舵”一词，指政府控制、引导和操纵的行动或方式，经常与
统治（ government） 一词交叉使用在国家公共事务相关的管理活动和政治活动背景中 . 20 世纪 90 年代，学
者罗西瑙在《没有政府的治理》一书中比较了“治理”和“统治”两个概念，认为治理是一系列活动领域的

收稿日期： 2017-01-02； 修改日期： 2017-05-10．

基金项目： 国家自然科学基金资助项目“大数据环境下的商务行为机理研究”（ 71490721） ，“社会资本与社会媒体使用行为的关系研
究”（ 71301096） ，“大数据驱动的管理决策战略研究”（ 91646000） ．
作者简介： 郑大庆（ 1978—） ，男，博士，副教授，研究方向为信息系统与数据科学． 通信作者： 黄丽华（ 1965—） ，女，博士，博士生导师，
研究方向为信息系统．
 66 研究与发展管理 第 29 卷

管理机制，虽然没有得到有效的授权，却能有效地发挥作用． 此外，全球治理委员会在 1995 年提出，治理

是各种公共或私人的个人和机构管理其共同事务的诸多方式的总和 ，治理是一个采取联合行动的过程，
［4］
使不一致甚至相互冲突的利益得以协调 ，治理的基础是协调，而不是控制 ． 俞可平认为治理的终极目标
是善治———追求公共利益最大化的社会管理过程，治理是包括政府但又不限于政府的多元主体参与过
程，治理主体之间存在着权力依赖，最终形成自主自治的网络，这个网络要求治理主体放弃各自的部分权
利，依靠各自的优势和资源，通过对话和协调来增进理解，确立共同目标并相互信任、相互鼓励并共同承
［5］
担风险，最终建立一种公共事务的管理联合体 ． 由此可见，在公共管理领域，治理强调多利益主体之间
的协调和风险管控． 这些观点对大数据治理也有诸多启发 ．
在企业管理领域，治理的这种理念也逐渐得到认同和重视 ，并成为公司治理的基础． 公司治理认为治
理和管理是两个不同范畴的概念 ，治理解决的主要矛盾是企业所有者与经营者之间的利益协调问题，并
具体表现为 4 个核心问题： 信息的不对称和不完备性、权利的不对等性 （ 主要体现在拥有信息的主体不
［6］
一定具有决策权，具有决策权的主体不一定拥有相对优势的信息 ） 、监督问题和激励问题 ． 从本质上看，
［7］
公司治理关注所有权问题，其理论基础是控制权与剩余索取权分配 ，强调设定一种制度架构以达到相
［6］
关利益主体之间的权利、责任和利益的相互制衡，实现效率和公平的合理统一 ，理性的治理主体追求治
理效率； 而管理侧重于经营权的分配，强调在治理架构下，通过计划、组织、控制、指挥和协同等职能来实
［8］
现目标，理性的经营主体追求经营效率 ． 公司治理认为企业的所有权和经营权是影响企业绩效的重要
因素，因此关注相应的权责分配与制衡 ． 信息技术（ IT） 和信息系统 （ IS） 作为一种重要的资源对企业经营
［9］
的影响越来越大，针对 IT 和数据资源的权责分配与制衡也成为企业管理者非常关切的问题 ，由此延伸
出 IT 治理、数据治理等新的研究问题和研究领域 ．
现在大数据已经被认为是一种重要的资源 ，大数据资源治理的研究也引起了众多学者的关注． 企业
管理领域最早关注大数据应用，大数据治理与数据治理、IT 治理和公司治理有着密切的联系． 但是大数据
具有“4V”特征，与人、财、物等有形资源具有显著差异，甚至与数据资源相比也存在明显的差异 ，如大数
［10］
据的多源特征导致大数据资源价值的产生更侧重于组织内外资源的融合 ，强调流通所产生的价值，并
且涉及个人、企业、社会、政府等众多利益相关者，这已经突破了单独企业组织的范围 ，拓展到产业甚至公
共管理领域，从而使大数据治理的研究不但关注企业层面与大数据资源有关的所有权和经营权的分离问
题，而且需要从整个经济社会发展的角度 ，强调众多利益相关者之间的权利、责任和利益的协调． 此外，大
［11］
数据具有随着时间的推移价值快速衰减等特质 ，这使大数据治理的研究面临前所未有的复杂性 ，需要
借鉴企业管理、公共管理等多领域的成果，同时也需要开创性的探索． 大数据治理的研究将推动企业挖掘
数据资源的价值，同时也将促进整体经济社会的发展 ．
1. 2 大数据治理概念体系
当前关于大数据治理概念界定的文献还较少 ． 索雷斯认为大数据治理是广义信息治理计划的一部
［12］
分，即制定与大数据相关的数据优化 、隐私保护与数据变现的政策 ； 张绍华等认为大数据治理是“对组
织的大数据管理和利用进行评估 、指导和监督的体系框架． 它通过制定战略方针、建立组织架构、明确责
［13］
任分工等，实现大数据的风险可控、安全合规、绩效提升和价值创造，并提供不断创新的大数据服务 ” ；
Malik 认为大数据治理蕴含在决策以及与数据相关的各类事物中 ，包括政策、规则、权利、组织结构、个体
［14］
的责任和信息系统，这些与信息处理过程相关的事物会影响组织业务目标的完成 ； 梁芷铭则认为大数
［15］
据治理不能局限于企业界，还包括一切与大数据相关的部门、机构和组织 ．
这些文献的阐述都有一定的合理性 ，但是讨论的侧重点有所不同，需要进一步从多个方面勾勒大数
据治理概念的全貌． 基于此，本文提出大数据治理是一个多维度的概念体系 ，需要从目标、权利层次、治理
对象及解决的实际问题 4 个方面来解析大数据治理的概念，从而准确把握大数据治理的内涵．
1. 2. 1 大数据治理目标 治理的终极目标是善治，但是如何衡量善治？ 本文把善治解读为明确、可衡量
的目标． 本文主要基于 IT 治理目标的相关研究来考量大数据治理的目标 ．
新出台的《信息技术服务治理》国家标准把信息技术治理目标设定为 4 个方面，分别是战略一致、风
 第4 期 郑大庆等： 大数据治理的概念及其参考架构 67

险可控、运营合规、绩效提升． 如果进一步追问如何达到这 4 个方面的目标，COBIT 和 ISACA 给出更加本

质的答案，COBIT 把 IT 治理的目标定义为： 价值交付、风险优化和资源优化； ISACA 认为 IT 治理从本质
［9］
上涉及信息技术对业务价值的贡献和信息技术风险的规避 ． 由此可以看出，治理最本质的目标是价值
［16］
和风险，而治理是为了鼓励期望行为而确定的决策权归属和责任担当框架 ． 基于以上分析，可以认为
大数据资源治理的目标是关注大数据的价值实现和风险管控 ，建立大数据治理体系的作用是鼓励期望行
为的发生———在可控的风险范围内，实现大数据价值的最大化． 实现价值是强调大数据治理必须能够带
来收益 ，包括效率 、效益 、效果和效能的提升 ； 管控风险是强调有效的大数据治理有助于避免决策失误
和经济损失 、降低合规风险 ． 大数据治理追求实现价值与风险的均衡 ，建立鼓励“实现价值 ”和“管控风
险 ”这两种期望行为发生的治理体系 ，追求可持续的价值 ．
1. 2. 2 大数据治理的权利层次 治理和管理是不同范畴的概念． 治理关注所有权问题，其理论基础是剩
［7，17］
余控制权与剩余索取权分配 ； 管理侧重于经营权的分配，强调在治理架构下，通过计划、组织、控制、
指挥和协同等职能实现目标． 大数据治理是建构在大数据资产“所有权层次 ”上的一门科学，关注在大数
据应用过程中的控制权和剩余索取权 ，包括权利人群体与执行团队之间以及不同级别执行团队之间信息
的不对称和不完备性、权利的不对等性以及激励和监督． 大数据具有资产性，已经形成共识，而确定资产
的权属是发挥大数据价值的前提 ． 权属是指所有权，是指所有权人独占资源，并表现为占有、使用、收益、
处置 4 种权能． 占有权是对资源实际掌握和控制的权能 ； 使用权是按照资源的性能和用途对其加以利用 ，
以满足生产、生活需要的权能； 收益权是收取由资源产生的新增经济价值的权能 ； 处置权是依法对资源进
［18］
行处置，从而决定资源命运的权能 ． 大数据资源具有占有、使用、收益、处分 4 种权能，既可以与所有权
同属一人，也可以与所有权相分离． 与其他资源相比，大数据资源 4 种权属的分离现象非常明显．
1. 2. 3 大数据治理的要素 大数据治理的对象是大数据治理实践活动和
认识活动所指向的对象，是为了保证大数据治理的责、权、利的一致而设计
的规则、制度和流程，大数据治理的要素就是确定这些规则、制度和流程的
［17］
构成． 从广义角度理解，治理的要旨之一是决策 ． 为了保证决策代表利益
相关者的整体利益，需要考虑激励与约束机制； 此外要对决策结果进行监
督，还需要考虑监督机制． 因此，决策包括： 有哪些决策、谁有权力进行决策、
如何保证做出“好”的决策、如何对“决策 ”进行监督和追责． 基于以上分析，
［19］
可以认为大数据治理最主要的活动是决策权分配和职责分工 ，具体包含 图 1 大数据治理的要素
3 个方面的机制设计———决策机制、激励与约束机制、监督机制，如图 1 所 Fig. 1 Key concepts of big
data governance
示． 其中，决策机制包括了决策权和组织结构两个方面 ．
大数据治理所要解决的具体问题 根据以上对大数据治理概念的剖析，本文认为大数据治理体
1. 2. 4
系是在大数据资源应用的过程中，鼓励“价值创造”和“风险管控”这种期望行为而建立的权利和责任的制衡
体系，
并形成一个有反馈和控制的责任链． 这一治理体系解决的具体问题包括： 明确有哪些决策？ 应该由谁
做决策？ 如何鼓励做出“好”的决策？ 如何监督决策 表 1 大数据治理概念体系
效果？ 如何对“不好”的效果进行追责？ Tab. 1 Concept system of big data governance
综上所述，大数据资源治理是为了鼓励与大数 概念维度 大数据治理概念内涵
据资源应用相关的人员遵从“实现价值 ”和“管控
目的 鼓励“实现价值”和“管控风险”的期望行为
风险”的期望行为，在所有权层面做出的权责安排， 的发生
主要体现为决策机制、激励与约束机制、监督机制， 权利层次 大数据资源治理是所有权层面的问题，关注
剩余控制权和剩余索取权
所要解决的具体问题是： 为了实现大数据资源的
治理范围 大数据治理的对象是规则、制度和流程，具
价值，管控大数据资源的风险，应该做出哪些范围 体范围包括决策机制、激励与约束机制、
的决策？ 应该由谁决策？ 如何做出好的决策？ 如 监督机制

何监控决策？ 解决的实际问题 ①有哪些决策； ②由谁来做决策； ③如何做

出决策； ④如何对决策进行监控
大数据治理概念体系如表 1 所示．
 68 研究与发展管理 第 29 卷

2 大数据治理的关键域
2. 1 决策机制
决策是在多种行动方案中进行选择 ，以及在做出选择之前所进行的一切活动． 决策机制是制订决策
的基本规则和制度，是保障决策质量、决策效率的重要措施． 决策机制的具体内容包括决策的规则和程
序、决策评价和追究制度、决策的专家论证和咨询制度等． 决策机制是依靠一定的组织结构和制度来运行
的，由决策权力机构及其对应的决策内容构成 ． 决策机制包括了决策权和组织结构 ，具体到大数据治理领
域，决策机制就是建立与大数据应用相关的规则和程序 、评价机制和追究制度，并建立大数据治理相关的
组织结构，确定大数据应用相关的决策权力机构及其对应的决策内容和范围 ．
决策是由高层管理者做出 ，当负责大数据应用的管理者将一系列决策权下放给下属时 ，必须决定
将哪些决策权留在自己手中 ，而将哪些决策权下放给下属 ，下属也面临着同样的问题 ，通过这一个逐
步确认的过程 ，大数据治理的决策权得到明确 ，相关岗位和职责 、大数据治理的组织结构也得到最终
确定 ．
2. 2 激励与约束机制
激励与约束是两种不同的管理活动 ． 激励主要提高管理者工作热情、积极性和创造性，使其潜能得到
充分发挥，而约束主要解决人际关系、行为方向等问题，确保成员个人目标与组织目标的一致，激励与约
束旨在解决组织发展的动力与方向 ． 依据委托—代理理论，解决代理问题的关键是建立一套有效的激励
和约束机制，激励代理人在实现个人效用最大化目标的同时实现委托人的效用最大化 ，并有效约束代理
人的行为，使代理问题带来的损失降到最低 ． 激励机制和约束机制是促进激励和约束活动发挥效力的载
［20］
体，是由一整套规则体系构成，包括激励规则、约束规则、平衡激励与约束的协调规则 ．
在大数据治理的情景下，激励与约束机制的效果取决于“价值创造 ”和“风险管控 ”与经营管理人员
目标利益的相关程度，以及违反了相关要求而受到的惩罚程度． 激励与约束机制设计的重要内容之一就
是使报酬具有充分的激励数额与合理的结构 ，激励机制的实现依靠大数据资源价值创造的业绩评价和报
［21］
酬契约，让经营管理人员做出有利于实现大数据价值的行为或决策 ，降低代理成本 ．
2. 3 监督机制
监督（ monitoring） 是建立一种实施控制的行为方式，一般指监察和督导． 大数据治理的监督范围包括
组织之间和组织内部． 组织之间监督机制的目标是协调各监督主体 ，形成合力，达成大数据应用的合作联
盟，这依赖于组织之间存在的相关约定 ． 在组织内部，当大数据治理的相关管理者因不具有剩余索取权而
不能分享由其决策而产生的大量财富时 ，在决策过程中对代理成本的监督就极为重要，如果没有有效的
［22］
监督机制，经营人员可能采纳一些与所有人利益相违背的决策 ． 在大数据治理的背景下，监督机制建
立的范围不但包括多源主体之间 、所有者与经营者之间，而且包括经营者与下属管理者之间 、管理者与一
般员工之间． 监督机制就是对大数据管理工作的评估 （ evaluate） 、指导（ direct） 和监控 （ monitor） ，大数据治
理的监督机制旨在评估大数据应用的战略选择 ，为大数据应用提供方向，监控大数据应用工作的结果，并
进行有效沟通． 监督机制就是有效解决如何监督的问题 ，促成大数据治理目标的达成．

3 大数据的应用特征
大数据应用特征体现了大数据资源价值实现过程中外部环境的主要特点 ，从大数据资源价值生成的
角度看，大数据资源的生命周期、利益相关者和流通特征对大数据价值实现和风险管控有重要影响 ．
3. 1 大数据的生命周期
大数据应用是一个从大量低价值密度的原数据 （ raw data） 中挖掘有价值信息的过程，在这个过程中
数据的状态不断发生改变，而且每个状态都具有鲜明的阶段特征 ． 对于大数据治理而言，每个阶段所关注
的重点也有所不同． 基于这样的一个事实，治理必须考虑生命周期． 大数据的生命周期是指某个集合的大
数据从采集、预处理，到归档和销毁的整个过程，强调大数据从产生到消亡全过程状态的转变以及在状态
 第4 期 郑大庆等： 大数据治理的概念及其参考架构 69

转变过程中的提交物和生产物． 大数据应用的生命周期特征是一种大数据管理和应用的模型，是一种针
对大数据资源的阶段特性而进行主动干预的策略 ． 大数据生命周期强调根据数据价值进行分级管理，在
［13］
最适当的阶段根据不同的应用场景提供最合适的策略 ，以保证大数据增值过程的连续性 ．
围绕着大数据“实现价值”和“管控风险”的核心目标，大
数据生命周期可以概括为 7 个阶段： 大数据应用机遇扫描与
价值发现、大数据采集和预处理、大数据存储、大数据整合、
大数据分析和挖掘、大数据呈现与应用、大数据归档与销毁，
如图 2 所示． 大数据的生命周期是一个数据价值不断增值的
过程，也是一个数据产品化程度不断提升的过程． 与传统数
据分析环境相比，大数据的生命周期特征对管理和治理工作
显得更为重要，在大数据的环境下让所有的商业数据资产处
于安全、可控和受管理的状态所面对的挑战是前所未有的．
核心挑战主要来自 3 个方面： ①从理论上看，大数据的规模
没有上限； ②许多新数据的生命周期极为短暂； ③大数据具
有大量化、快速化、多样化和低价值密度的特征，所以难以保
持始终如一的品质． 大数据资源治理需要依据不同类型大数
图 2 大数据的生命周期
据在不同阶段的价值，实施不同的决策机制、激励与约束机
Fig. 2 Lifecycle of big data
制、监督机制，促成以简单、可靠、安全、有效的方式获取最大
价值，有效降低大数据资源治理的总体成本 ．
3. 2 大数据的利益相关者
［23］
利益相关者是可以影响组织目标的实现或受该目标影响的群体或者个人 ，有广义和狭义之分，狭
［24］
义的利益相关者是指与企业有交换关系的合约商或参与人 ，与企业有直接的影响关系 ； 广义的利益相
［25］
关者是指能够影响企业目标实现或者能够被企业实现目标的过程影响的任何人和群体 ． 从治理的角
［26］
度看，所有利益相关者共同参与公司治理会造成权责不清 ，容易陷入“泛利益相关者治理 ”的困境 ，企
业应该根据潜在利益相关者对公司稀缺资源的贡献程度 、利益相关者因公司破产或关系终结而承担的风
险或损失的大小、利益相关者在组织中的权利大小来安排公司治理 ，对优先利益相关者的诉求给予更多
［27］
的重视 ； 利益相关者的重要性也会随着政治 、经济或社会环境的变化而变化．
在大数据应用价值实现的过程中 ，多源数据导致大数据存在多个利益相关者 ，包括大数据产生者、收
［29］
集者、处理者、应用者、监督者 ，这些不同的利益相关者分别以个人、企业、政府、非政府组织等角色出
现，同一个利益主体可能扮演多个角色 ，同一个角色也可能有多个利益主体 ，造成了大数据治理的复杂局
面． 此外，与传统的数据管理关注组织内部数据相比 ，大数据更关注组织外部数据，例如口碑、评论、流言、
公开发布数据等，这些数据既包括用户生成内容 （ UGC） ，又包括公共生成内容 （ public generated content，
PGC） ［10］． 基于这样的现实，大数据治理的利益相关者的重要性也发生相应变化 ，个人和监督者这两类利
益相关者变得非常重要．
个人数据是大数据最重要的源头 ，在法律层面是个人数据的主体和所有者 ． 在大数据时代，个人数据
被收集、处理和使用，面临着隐私泄露的风险，因此个人成为大数据治理的直接利益相关者． 大数据应用
存在着高风险，监督者也成为重要的利益相关者，包括政府部门、第三方隐私保护组织、媒体和个人． 政府
的惩罚是对隐私泄露的有力保障 ，媒体的报道对企业的违规行为也具有震慑作用 ．
基于现有研究结果，把大数据治理的利益相关者分为个人、个人数据收集者、个人数据处理者、个人
［28］
数据应用者、监督者 ． 在数据搜集、存储、挖掘、预测与利用的过程中，大数据利益相关者难免会出现各
种利益矛盾，有必要建立大数据资源的多元主体协同治理机制 ，促进大数据资源的开发．
3. 3 大数据的流通特征
大数据价值实现需要多源数据的融合 ，而多源数据的融合涉及数据流通． 数据流通可以简单描述为
70 研究与发展管理 第 29 卷

大数据的控制权从一方转移到另一方 ，这种流通就是大数据资源的优化和配置 ． 通常状况下，数据流通的

方式有 3 种： 市场主导下的数据交易模式、政府主导下的数据开放（ date open） 模式和数据共享模式．
数据开放主要针对的主体是政府 ，是政府部门面向社会全体成员提供无偿使用数据的公益性服务，
任何组织和个人都可以不受版权协议的限制 ，对该数据进行复制、传播、二次开发． 对于在数据传播过程
中产生的费用按边际成本收费． 目前，世界许多国家都在积极推动政府数据开放，美国、英国在推动政府
数据开放、引导社会利用数据方面位于世界前列 ．
大数据共享是一定范围内的数据资源共享的方式 ，更强调数据在统一格式的基础上可以实现免费的
［29］
相互调用和操作 ，而且使用方都可以根据需要进行复制和二次开发 ，数据共享强调要有一定的范围要
求，政府部门内部的数据流通是一种典型的数据共享方式 ．
在市场主导下的大数据流通方式主要是数据交易 ． 大数据交易的本质是对大数据的拥有权 、使用权、
收益权和处置权的转让． 当前，数据交易涉及的主体多，包括数据的产生者、拥有者、采集者、数据中介和
使用者，如何设计众多利益相关者的责任 、权利和利益以及对相关人员的监督 ，都是大数据资源治理需要
解决的问题，其中最有代表性的问题是用户产生数据的占有 、使用、收益和处置权利的划分、转移和规范．
［30］
在当前法律法规不完善的情况下 ，每一方都有对大数据的主张权利，这样造成了很大的分歧 ．
综上所述，大数据的生命周期、利益相关者和流通方式是大数据治理所处的重要环境特征 ，对大数据
资源的价值实现和风险管控具有重要的影响 ．

4 大数据治理的参考架构
基于前文分析 ，构建大数据治理的参考架构 ． 参考架构旨在阐述大数据治理所处的 外 部 环 境 的
典型特征以及大数据治理的主要对象和关键域 ，从外部环境和内部构成两个方面解构大数据治理 ，
为研究大数据治理领域的相关问题提供了一个参考逻辑框架 ，具体内容如图 3 所示 ．

图 3 大数据治理参考架构
Fig. 3 Ｒeference architecture of big data governance

在大数据资源治理参考框架中，核心要素是决策机制、激励与约束机制、监督机制，也就是大数据治
理的关键域，大数据治理体系就是建立决策、激励与约束、监督这 3 个关键领域的规则、制度和流程． 大数
据资源所具有的 3 维特征，形成了大数据资源与众不同的应用情景，也是大数据资源治理所需要重点考
 第4 期 郑大庆等： 大数据治理的概念及其参考架构 71

虑的外部环境因素． 大数据治理参考框架从内部要素和外部应用特征两个方面构建了大数据治理体系的
逻辑框架，为大数据治理的相关实践和研究提供了参考 ． 例如，大数据资源治理中的隐私保护问题，需要
考虑大数据所处的不同生命周期、不同的流通方式、利益相关者所组成的重要情境，建立相应的决策机
制、激励与约束机制、监督机制，从而实现妥善保护个人数据隐私的目的． 大数据治理参考架构将为分析
大数据应用提供一个比较完整的逻辑框架 ．

5 总结与展望
大数据蕴含大价值，如何实现大数据的价值已经成为实践和研究的热点． 本文从治理的角度对大数
据价值实现进行了初步探索———探讨了大数据治理的概念体系、关键域及外部特征，由此构建了大数据
治理参考框架．
本文的创新主要体现在以下两个方面 ． 首先，梳理了治理概念的演变，综合了当前多项关于大数据治
理概念的成果，从 4 个层面比较完整地阐述了大数据治理概念 ，这一概念体系的建立，将有助于界定大数
据治理的研究领域，以及与其他研究领域的关系． 其次，本研究分析了大数据治理内部要素和外部环境，
构建了大数据治理参考模型，为分析大数据治理领域的问题提供了逻辑框架，从而帮助业界和学者更加
全面、客观地分析和解决大数据治理领域的问题 ． 随着大数据治理研究领域受到越来越多的关注 ，大数据
治理体系的设计、大数据治理与企业绩效的关系等问题将会成为进一步研究的热点 ．

参 考 文 献

［1］ 李国杰，程学旗． 大数据研究： 未来科技及经济社会发展的重大战略领域———大数据的研究现状与科学

思考［J］． 中国科学院院刊， 7（ 6） ： 647-657．
2012，
［2］ 徐宗本，冯芷艳，郭迅华，等． 大数据驱动的管理与决策前沿课题［J］． 管理世界， 30（ 11） ： 158-163．
2014，
［3］ Corporation T． The leaky corporation ［EB / OL］． （ 2005-06-23） ［2016-12-06］． http： / / www． economist． com /
node /4112390．
［4］ 郁建兴，任泽涛． 当代中国社会建设中的协同治理———一个分析框架［J］． 学术月刊，
2012（ 8） ： 23-31．
［5］ 俞可平． 治理和善治： 一种新的政治分析框架［J］． 南京社会科学，
2001（ 9） ： 40-44．
［6］ 吴淑琨，席酉民． 公司治理模式探讨［J］． 经济学动态，
1999（ 1） ： 72-76．
［7］ 张维迎． 所有制，治理结构及委托—代理关系： 兼评崔之元和周其仁的一些观点［J］． 经济研究，
1996（ 9） ：
3-15．
［8］ 程新生． 公司治理、内部控制、组织结构互动关系研究［J］． 会计研究，
2004（ 4） ： 14-18．
［9］ 李维安，王德禄． IT 治理及其模型的比较分析［J］． 首都经济贸易大学学报， 7（ 5） ： 44-48．
2005，
［10］ 陈国青． 大数据的管理喻意［J］． 管理学家： 实践版， 7（ 2） ： 36-41．
2014，
［11］ Walker Ｒ． From big data to big profits： Success with data and analytics ［M］． New York： Oxford University
Press，
2015．
［12］ 索雷斯． 大数据治理［M］． 匡斌，译． 北京： 清华大学出版社，
2014．
［13］ 张绍华，潘蓉，宗宇伟． 大数据治理与服务［M］． 上海： 上海科学技术出版社，
2015．
［14］ Malik P． Governing big data： Principles and practices［J］． IBM Journal of Ｒesearch and Development，
2013，
57（ 3 /4） ： 1-13．
［15］ 梁芷铭． 大数据治理： 国家治理能力现代化的应有之义［J］． 吉首大学学报： 社会科学版， 36（ 2） ：
2015，
34-41．
［16］ 彼得·维尔，珍妮·W·罗斯． IT 治理： 一流绩效企业的 IT 治理之道［M］． 杨波，译． 北京： 商务印书馆，
2005．
［17］ 张维迎，吴有昌，马捷． 公有制经济中的委托人—代理人关系： 理论分析和政策含义［J］． 经济研究，
1995
（ 4） ： 31-33．
［18］ 李丽华． 中国自然资源权属新探［D］． 武汉： 武汉大学，
2004．
［19］ Otto B． Data governance［J］． Business ＆ Information Systems Engineering， 3（ 4） ： 241-244．
2011，
 72 研究与发展管理 第 29 卷

［20］ 程昔武． 非营利组织治理机制研究［M］． 北京： 中国人民大学出版社，

2008．
［21］ Ｒehnert G S． The executive compensation contract： Creating incentives to reduce agency costs［J］． Stanford
Law Ｒeview， 37（ 4） ： 1147-1180．
1985，
［22］ 郁光华，伏建． 股份公司的代理成本和监督机制［J］． 经济研究，
1994（ 3） ： 23-29．
［23］ Freeman Ｒ E． The politics of stakeholder theory： Some future directions［J］． Business Ethics Quarterly，1994，
4（ 4） ： 409-421．
［24］ Hill C W L，Jones T M． Stakeholder： Agency theory ［J］． Journal of Management Studies， 29（ 2） ： 131-
1992，
154．
［25］ Freeman Ｒ E． Strategic management： A stakeholder approach ［M］． Boston，USA： Pitman Press，
1984．
［26］ 李维安，王世权． 利益相关者治理理论研究脉络及其进展探析［J］． 外国经济与管理， 29（ 4） ： 10-17．
2007，
［27］ 陈宏辉，贾生华． 企业利益相关者的利益协调与公司治理的平衡原理［J］． 中国工业经济，
2005（ 8） ： 114-
121．
［28］ 王忠，殷建立． 大数据环境下个人数据隐私治理机制研究———基于利益相关者视角［J］． 技术经济与管理
研究， 35（ 8） ： 71-74．
2014，
［29］ 蔡爱民，查良松． GIS 数据共享机制研究［J］． 安徽师范大学学报： 自然科学版， 28（ 2） ： 226-229．
2005，
［30］ 吴江． 数据交易机制初探———新制度经济学的视角［J］． 天津商业大学学报， 35（ 3） ： 3-8．
2015，

Concept and Ｒeference Architecture of Big Data Governance

ZHENG Da-qing1，2 ，HUANG Li-hua3 ，ZHANG Cheng-hong3 ，ZHANG Shao-hua4

（ 1． School of Information Management ＆ Engineering，Shanghai University of Finance ＆ Economics，Shanghai 200433，China；
2． School of Computer Science，Fudan University，Shanghai 200433，China；
3． School of Management，Fudan University，Shanghai 200433，China；
4． Shanghai Development Center of Computer Software Technology，Shanghai 201112，China）

Abstract： Big data contains enormous social and economic value． However，how to discover and realize the value of
big data is influenced by the issue of big data governance，which is also an emerging research topic in the academic
field of data science． Based on the previous literature，it discussed the connotation of big data governance in four di-
mensions including objectives，ownership and right concerned by big data governance，objects，and solving problems．
Then，it defined the connotation of big data governance． Subsequently，the three key scopes of big data governance，
i． e． ，decision mechanism，incentive mechanism，and supervisory mechanism，were deduced after analyzing the notion
of big data governance． Furthermore，it subsequently elaborated on the three characteristics of big data application，in-
cluding long life cycle of bid data，multiple stakeholders of big data，and the different types of big data exchange． In
the end，combing the three characteristics and three key scopes in big data governance，it offered the open reference ar-
chitecture of big data governance to guide the ways to solve the practical problems and direct the future research in big
data governance．
Keywords： big data； big data resource； big data governance； key scope； life cycle； stakeholder